行列式：有向体积、可逆性与消元

学习目标

行列式把一个方阵对应线性变换对有向体积的影响压缩为一个标量。它能判断变换是否丢失维度，能在消元中跟踪体积变化，也构成特征方程和变量替换公式的重要部分。本章既给出计算规则，也说明规则从何而来。

先修知识

应会计算矩阵乘法，理解方阵、单位矩阵、逆矩阵和线性变换，并能判断一组向量是否线性相关。高斯消元有助于快速计算，但本章会列出所需的三类行变换规则。

记 $A=[\mathbf a_1\ \cdots\ \mathbf a_n]$，即把方阵列写成 $n$ 个向量。$\det A$ 或 $\det(\mathbf a_1,\ldots,\mathbf a_n)$ 表示行列式。绝对值描述体积比例，符号还记录有向基是否翻转。

为什么面积需要符号

普通面积永远非负，却无法区分一组有序基是顺时针还是逆时针。线性变换若把 $(\mathbf e_1,\mathbf e_2)$ 的次序翻转，几何形状的面积仍然相同，但坐标系取向改变。行列式用正负号保留这部分信息。

当两列落在同一直线上时，它们张成的平行四边形面积为零。此时整个平面至少有一个方向被压扁，映射不能逆转。因而零值既是几何退化，也是代数不可逆的信号。

二阶行列式的几何推导

设 $\mathbf a_1=(a,c)^\mathsf T$、 $\mathbf a_2=(b,d)^\mathsf T$。由两列张成的平行四边形有向面积定义为

$$\det A= \det\begin{bmatrix}a&b\\c&d\end{bmatrix} =ad-bc.$$

可以用剪切不改变底和高来理解。若 $a\neq0$，从第二列减去 $(b/a)$ 倍第一列，得到 $(0,d-bc/a)^\mathsf T$。新平行四边形与原来有相同有向面积，而底长的有向分量为 $a$，高度为 $d-bc/a$，乘积正是 $ad-bc$。当 $a=0$ 时可交换两列再作同样分析，交换会翻转符号。

这个公式也可由面积函数对每一列线性、交换两列变号、单位正方形面积为一三条性质唯一推出。几何剪切给出直觉，三条代数性质则能推广到任意维数。

示例一：面积缩放与取向翻转

面积缩放与取向翻转

设

$$A=\begin{bmatrix}2&1\\1&-1\end{bmatrix}.$$

行列式为 $2(-1)-1\cdot1=-3$。因此单位正方形被送到面积为 $3$ 的平行四边形，并且取向翻转。矩阵作用在任意平面区域上时，面积都乘以 $3$；这一比例不只对单位正方形成立，因为线性变换会把细小平行四边形统一按同一因子缩放。

三条刻画性质

定义

$n$ 阶行列式是列向量的函数，满足：

1. 对每一列分别线性；
2. 交换任意两列，函数值变号；
3. $\det I_n=1$。

这三条性质唯一确定行列式。

交替性立即推出两列相同时行列式为零：交换这两列既不改变矩阵，又要求行列式变号，所以 $D=-D$，只能有 $D=0$。若一列是其他列的线性组合，多线性展开后每一项都会出现重复列，因此行列式同样为零。

把每列写成标准基的线性组合并完全展开，只有所有标准基恰好各出现一次的项可能非零，于是得到置换公式

$$\det A= \sum_{\sigma\in S_n} \operatorname{sgn}(\sigma) \prod_{i=1}^{n}a_{i,\sigma(i)}.$$

该公式说明唯一性，却包含 $n!$ 项，不适合大矩阵直接计算。实际计算应使用消元或分解。

余子式展开

固定第 $i$ 行，把置换公式按所选列分组，可得拉普拉斯展开

$$\det A= \sum_{j=1}^{n}(-1)^{i+j}a_{ij}\det A_{ij},$$

其中 $A_{ij}$ 是删去第 $i$ 行、第 $j$ 列后的子矩阵。也可沿任意一列展开。含有许多零元素时，选择零最多的行或列能明显减少手算。

三阶情形沿第一行展开为

$$\det A =a_{11}(a_{22}a_{33}-a_{23}a_{32}) -a_{12}(a_{21}a_{33}-a_{23}a_{31}) +a_{13}(a_{21}a_{32}-a_{22}a_{31}).$$

正负号按棋盘格交替。所谓“对角线口诀”只适用于三阶，不能推广为一般定义。

行变换如何改变行列式

由三条刻画性质可推出：

• 交换两行，行列式乘以 $-1$；
• 某一行乘以 $c$，行列式乘以 $c$；
• 某一行加上另一行的倍数，行列式不变。

第三条可由多线性展开：把 $\mathbf r_i+c\mathbf r_j$ 放入第 $i$ 行，得到原行列式加上一个第 $i$、$j$ 行成比例的行列式，后者为零。使用消元把矩阵化为上三角矩阵后，行列式等于对角元素乘积，再乘回所有交换和缩放产生的因子。

示例二：用消元计算三阶行列式

用消元计算三阶行列式

计算

$$A=\begin{bmatrix} 1&2&0\\ 2&1&1\\ 0&3&2 \end{bmatrix}.$$

用第二行减去第一行的两倍，行列式不变，得到

$$\begin{bmatrix} 1&2&0\\ 0&-3&1\\ 0&3&2 \end{bmatrix}.$$

再用第三行加第二行，得到上三角矩阵，对角线为 $1,-3,3$，故 $\det A=-9$。若用余子式沿第一列展开，也得到 $1\cdot((-3)\cdot2-1\cdot3)=-9$。两种算法交叉核对了符号。

零行列式与不可逆性的等价链

对 $n\times n$ 方阵，以下命题等价：

1. $\det A\neq0$；
2. 列向量线性无关；
3. $A\mathbf x=\mathbf0$ 只有零解；
4. 线性变换不压扁任何非零方向；
5. $A$ 可逆；
6. 对每个 $\mathbf b$，方程 $A\mathbf x=\mathbf b$ 有唯一解。

若列线性相关，多线性与交替性说明行列式为零。若列线性无关，它们构成 $\mathbb R^n$ 的一组基，映射既单射又满射，因此可逆。若 $A$ 可逆，利用乘法性质 $\det(AB)=\det A\det B$，有 $1=\det I=\det A\det A^{-1}$，所以 $\det A$ 不可能为零。

乘法性质也有几何解释：$B$ 先把体积乘以 $\det B$，$A$ 再乘以 $\det A$，复合变换应乘以二者乘积。严格代数证明可先固定 $B$，验证函数 $A\mapsto\det(AB)$ 满足行列式刻画性质，再由唯一性得到结论。

这一等价链还给出实用的反证方法。若已经找到非零向量被映到零向量，就不必展开行列式，立刻知道矩阵不可逆且行列式为零；反过来，若通过消元得到每列都有主元，也无需余子式展开即可确认行列式非零。不同判据回答的是同一结构事实，选择计算量最小的一条即可。行列式的绝对值非常小时，矩阵虽可能在精确算术中可逆，却会把某些方向强烈压缩；此时数值求解可能敏感，还需结合奇异值或条件数判断稳定性，不能只检查是否严格等于零。

克拉默法则及其边界

当 $A$ 可逆时，方程 $A\mathbf x=\mathbf b$ 的第 $i$ 个坐标可以写成

$$x_i=\frac{\det A_i(\mathbf b)}{\det A},$$

其中 $A_i(\mathbf b)$ 表示把 $A$ 的第 $i$ 列替换为 $\mathbf b$。推导来自行列式对第 $i$ 列的线性性： $\mathbf b=\sum_jx_j\mathbf a_j$，替换后除 $j=i$ 外的项都含重复列而为零。

用克拉默法则求二元方程

方程组

$$2x+y=5,\qquad x-y=1$$

对应 $A=\begin{bmatrix}2&1\\1&-1\end{bmatrix}$， $\det A=-3$。替换第一列得 $\det\begin{bmatrix}5&1\\1&-1\end{bmatrix}=-6$，所以 $x=2$；替换第二列得 $\det\begin{bmatrix}2&5\\1&1\end{bmatrix}=-3$，所以 $y=1$。代回原方程可直接核对。

克拉默法则适合理论推导和很小的手算，不是大型系统的推荐算法。逐个计算多个行列式成本高，也可能放大舍入误差；数值求解通常使用带主元的消元、QR 或其他分解。

常见误区

常见误区

“行列式是矩阵所有元素的乘积。”只有三角矩阵的行列式等于对角元素乘积；一般矩阵还包含不同排列对应的带符号项。

常见误区

“行列式接近零就一定等于奇异。”精确数学中零与非零有明确区别；浮点计算中，一个很小的行列式还受矩阵尺度和维数影响，不能单独作为病态程度的可靠指标。条件数和奇异值更适合数值诊断。

反例

“行列式相同的矩阵具有相同几何作用。”单位矩阵与非平凡剪切矩阵的行列式都为一，但前者保持全部向量，后者改变长度和角度。行列式只保留总体体积与取向信息。

代码：基于消元的行列式

export function determinant(input: readonly (readonly number[])[]): number {
  const n = input.length;
  if (n === 0 || input.some((row) => row.length !== n)) {
    throw new Error("Determinant requires a non-empty square matrix.");
  }
  const a = input.map((row) => [...row]);
  let value = 1;
  for (let column = 0; column < n; column += 1) {
    let pivot = column;
    for (let row = column + 1; row < n; row += 1) {
      if (Math.abs(a[row][column]) > Math.abs(a[pivot][column])) pivot = row;
    }
    if (a[pivot][column] === 0) return 0;
    if (pivot !== column) {
      [a[pivot], a[column]] = [a[column], a[pivot]];
      value *= -1;
    }
    const pivotValue = a[column][column];
    value *= pivotValue;
    for (let row = column + 1; row < n; row += 1) {
      const factor = a[row][column] / pivotValue;
      for (let k = column + 1; k < n; k += 1) a[row][k] -= factor * a[column][k];
    }
  }
  return value;
}

代码使用绝对值较大的主元降低部分舍入风险，但以严格零判断奇异仍只适合教学。可靠数值库还会根据数据类型、尺度和容差处理退化情况。

练习

练习标记完成

计算 $\det\begin{bmatrix}3&1\\2&4\end{bmatrix}$，并解释结果的面积缩放与取向含义。若交换两列，答案如何变化？

查看解答

原行列式为 $3\cdot4-1\cdot2=10$，面积放大十倍且取向保持。交换两列后行列式变为 $-10$，普通面积比例不变，但取向翻转。

练习标记完成

不完全展开，利用行变换证明 $\det\begin{bmatrix}1&1&1\\1&2&3\\1&3&6\end{bmatrix}=1$。

查看解答

第二、三行分别减第一行，得到 $\begin{bmatrix}1&1&1\\0&1&2\\0&2&5\end{bmatrix}$。第三行再减第二行的两倍，得到对角元素 $1,1,1$ 的上三角矩阵。所用都是加倍行变换，行列式不变，因此结果为一。

练习标记完成

证明若 $A^2=A$ 且 $A$ 可逆，则 $A=I$。再用行列式说明一个幂等方阵的行列式只能是零或一。

查看解答

等式左乘 $A^{-1}$ 得 $A=I$。对任意幂等方阵取行列式，有 $(\det A)^2=\det A$，实数解只有零和一；行列式为一时矩阵可逆，因而矩阵本身就是单位矩阵。

与其他知识的关系

• 矩阵 提供行列索引、乘法和逆矩阵的基本语言。
• 线性变换 给出有向体积缩放和信息损失的几何对象。
• 线性方程组 使用非零行列式判断方阵系统的唯一可解性。
• 矩阵的秩 用独立方向数量刻画与零行列式相同的退化现象。
• 特征值与特征向量 通过 $\det(A-\lambda I)=0$ 寻找不变方向。

资源

lecture · 2011

MIT 18.06SC Linear Algebra

Gilbert Strang

提供线性代数核心概念的完整课程顺序、例题、习题和考试材料。

打开官方来源

MIT OpenCourseWare 18.06SC 把行列式与消元、可逆矩阵、特征值和体积解释连接起来，可用于继续练习计算并核对等价条件。

lecture · 2010

MIT 18.02SC Multivariable Calculus

Denis Auroux

把线性代数对象用于几何与多变量问题，并提供例题、习题和解答。

打开官方来源

MIT OpenCourseWare 18.02SC 在叉积、三重积和多重积分变量替换中使用有向面积、体积与 Jacobian 行列式，展示行列式在几何和微积分中的应用。它不替代一般 $n$ 阶行列式的线性代数证明。

下一步

下一章学习 特征值与特征向量，把 $A\mathbf v=\lambda\mathbf v$ 改写为 $(A-\lambda I)\mathbf v=\mathbf0$，再用零行列式找到允许的 $\lambda$。若更关心方程求解，可先进入

高斯消元 与 矩阵的秩。